TiliNG: Új Növekvő Neurális Gáz variáns sűrűségfüggetlen állapottér reprezentációhoz és alkalmazási lehetőségei

A több évtizede ismert és használt GNG (Growing Neural Gas) algoritmusok egyszerű, gyors megoldást kínálnak nagy mennyiségű megfigyelés kis számú diszkrét állapottal való reprezentálására, valós idejű klaszterezésére.

Az eddig ismert GNG algoritmusok az alábbi hiányosságokkal rendelkeznek:

- Néhány feladat esetében a megfigyelések valószínűségi eloszlása időben változó lehet. Ezen változásokhoz általában a GNG algoritmusok csak úgy tudnak alkalmazkodni, hogy közben elfelejtik a múltbéli viselkedést.

- Az alapvető GNG eljárások több hiperparamétert is tartalmaznak, melyeket csupán heurisztikus módszerekkel állíthatunk be és ezektől nagyban függhet az algoritmus eredményeképp előálló állapottér.

- A jelenleg ismert GNG variánsok azokat a területeket, ahová sok megfigyelés esik, sok állapottal fedik le, míg a ritka megfigyeléseket gyakran teljesen figyelmen kívül hagyják. Ez a működés bizonyos alkalmazások esetén hátrányos lehet.

A mi célunk egy olyan GNG alapú algoritmus fejlesztése, ami a fent említett nehézségeket kiküszöböli, így eredményezve egy jobb állapottér reprezentációt. Kiemelt figyelmet fordítunk az időbeli változások követésére, úgy, hogy az ne a korábban felépített állapottér rovására történjen. Szintén fontosnak tartjuk, hogy a keletkező állapottér a tanuló minták sűrűségétől független legyen, ezzel a ritkán előforduló megfigyelések is reprezentálásra kerülnek, és nem vesznek el a keletkező állapotok között. Végül a legtöbb GNG variáns sok hiperparaméterrel dolgozik, mi szeretnénk ezeknek a számát minimálisra csökkenteni, így nem csak a hiperparaméterek által bevitt bizonytalanságot elimináljuk a rendszerből, de egy könnyebben használható eszközt is kapunk. Ezzel a három tulajdonsággal reményeink szerint megnyitjuk az utat ezen GNG variáns effektív alkalmazására olyan területeken, mint a nagy sebességű klaszterezés vagy éppen az anomália detekció.

szerzők

• 
  Kádár Attila
  Mérnök informatikus szak, alapképzés
  alapképzés (BA/BSc)
• 
  Szalai Márk Dániel
  Mérnök informatikus szak, alapképzés
  alapképzés (BA/BSc)

konzulens

• 
  Dr. Horváth Gábor
  egyetemi tanár, Hálózati Rendszerek és Szolgáltatások Tanszék

helyezés